專利名稱：一種潮汐預(yù)報(bào)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于自動(dòng)化領(lǐng)域，涉及一種潮汐預(yù)報(bào)方法。
背景技術(shù)：
潮汐預(yù)報(bào)在海洋資源的開發(fā)利用中占據(jù)及其重要地位，隨著造船業(yè)的發(fā)展，船舶的噸位逐漸加大，可以利用潮汐的特性，漲潮高潮時(shí)進(jìn)港，在海水將落未落時(shí)出港，可增加大船的通行能力；潮汐預(yù)報(bào)與海港碼頭的建設(shè)有關(guān)，按當(dāng)?shù)爻毕母叨葋?lái)確定高度，從而使碼頭不至被高潮淹沒，也不至在低潮時(shí)使船只擱淺；在漁業(yè)資源開發(fā)方面，準(zhǔn)確地掌握潮水的規(guī)律，在進(jìn)行捕撈作業(yè)時(shí)可以確定漁區(qū)地點(diǎn)，張網(wǎng)高度，航行時(shí)間等；在減輕和預(yù)防海洋災(zāi)害方面，潮汐預(yù)報(bào)也起著至關(guān)重要的作用，風(fēng)暴潮災(zāi)是沿海地區(qū)頻發(fā)率最高、損失最嚴(yán)重的海洋災(zāi)害，多發(fā)生在每年5月 10月期間，此季節(jié)正值河流洪水季節(jié)，在大潮汛時(shí)，加之臺(tái)風(fēng)入侵，水位要比平時(shí)抬高許多，這是最危險(xiǎn)的時(shí)，因此，必須預(yù)先知道潮位高度及由臺(tái)風(fēng)引起的增水?dāng)?shù)值，及時(shí)采取加固提壩，加強(qiáng)提防檢查等預(yù)防措施，可以最大限度地減輕災(zāi)害損失；潮汐預(yù)報(bào)在軍事上也同樣起著重要作用。不論在艦艇的活動(dòng)中，還是在登陸作戰(zhàn)， 布雷及水下武器使用等方面，都必須充分地考慮到水位的變化和潮流的漲落規(guī)律。潮汐預(yù)報(bào)常用的方法是調(diào)和分析方法，它是將月球繞地球、地球繞太陽(yáng)的橢圓運(yùn)動(dòng)，以及天體間的攝動(dòng)運(yùn)動(dòng)，采用級(jí)數(shù)分解的方法，分解成一組正余弦無(wú)窮級(jí)數(shù)，根據(jù)預(yù)報(bào)精度要求，確定選取主要級(jí)數(shù)項(xiàng)，再根據(jù)具體地理位置的潮汐實(shí)測(cè)數(shù)據(jù)，解算出各級(jí)數(shù)項(xiàng)的系數(shù)和初始角度，然后根據(jù)時(shí)間，即可預(yù)報(bào)后面某一時(shí)刻的潮高，其有主要有兩個(gè)方面的局限性1)調(diào)和分析法是選取一定數(shù)量的分潮來(lái)進(jìn)行預(yù)測(cè)的，其精度隨著分潮的數(shù)量增加而增加，但當(dāng)分潮數(shù)量增加時(shí)，計(jì)算量也會(huì)急劇增加并且精度的提高較慢，《潮汐表》中采用 306個(gè)分潮進(jìn)行預(yù)報(bào)，這些分潮只是白塞爾級(jí)數(shù)和天體攝動(dòng)級(jí)數(shù)中的小部分影響較大的項(xiàng)， 大量影響較小的項(xiàng)都被忽略了，但這些項(xiàng)的綜合影響有時(shí)會(huì)使預(yù)報(bào)產(chǎn)生較大的誤差；2)無(wú)法預(yù)報(bào)非周期因素的影響，一些非周期因素如臺(tái)風(fēng)，寒潮，降水等對(duì)潮汐的預(yù)報(bào)有很大的影響，調(diào)和分析法是無(wú)法預(yù)報(bào)的?；跀?shù)據(jù)的機(jī)器學(xué)習(xí)是現(xiàn)代智能技術(shù)中的重要方面，研究從觀測(cè)數(shù)據(jù)(樣本)出發(fā)尋找規(guī)律，利用這些規(guī)律對(duì)未來(lái)數(shù)據(jù)或無(wú)法觀測(cè)的數(shù)據(jù)進(jìn)行預(yù)測(cè).包括模式識(shí)別、神經(jīng)網(wǎng)絡(luò)等在內(nèi)，現(xiàn)有機(jī)器學(xué)習(xí)方法共同的重要理論基礎(chǔ)之一是統(tǒng)計(jì)學(xué).神經(jīng)網(wǎng)絡(luò)用于潮汐預(yù)測(cè)也涉及較多，但是其準(zhǔn)確模型的形式需要較大的樣本數(shù)據(jù)，而在實(shí)際問題中，樣本數(shù)往往是有限的，因此理論上很優(yōu)秀的神經(jīng)網(wǎng)絡(luò)方法在實(shí)際中表現(xiàn)卻可能不盡人意。本發(fā)明采用了機(jī)器學(xué)習(xí)方法一支持向量機(jī)(SVM)方法，利用其解決小樣本，非線性及高維模式識(shí)別問題的優(yōu)勢(shì)能力來(lái)建立一個(gè)潮汐預(yù)報(bào)模型，以期獲得較小誤差的潮高預(yù)測(cè)。

發(fā)明內(nèi)容
本發(fā)明針對(duì)歷史數(shù)據(jù)的缺乏，現(xiàn)有技術(shù)的不足，提出了一種基于支持向量機(jī)潮汐預(yù)測(cè)的方法。本方法利用有限的歷史潮汐數(shù)據(jù)，實(shí)現(xiàn)對(duì)潮位的自動(dòng)檢測(cè)和預(yù)報(bào)。
具體的步驟為步驟(1)安裝SVM工具箱到MATLAB 7. 8文件夾中①將下載的SVM工具箱的文件夾放在\MATALB 7. 8\toolbox\下；②打開MATLAB->FiIe-Met Path中添加SVM工具箱的文件夾；③測(cè)試一下安裝成功與否在MATLAB中輸入which svmoutput回車，如果可以正確顯示路徑，就證明添加成功了，例如:C:\Program Files\MATLAB71\toolbox\svm\ svcoutput. m0步驟ο)利用MATLAB 7. 8中SVM工具箱和歷史潮汐數(shù)據(jù)構(gòu)建潮汐預(yù)測(cè)網(wǎng)絡(luò)模型，具體方法為①根據(jù)潮汐記錄的時(shí)間(年、月、日、時(shí)、分、秒)，可計(jì)算 1)儒略世紀(jì)數(shù)
權(quán)利要求
1.潮汐預(yù)測(cè)的方法，其特征主要包括如下步驟一、步驟(1)安裝SVM工具箱到MATLAB7. 8文件夾中①將下載的SVM工具箱的文件夾放在\MATALB7. 8\toolbox\下；②打開MATLAB-> File- > Set Path中添加SVM工具箱的文件夾；③測(cè)試一下安裝成功與否在MATLAB中輸入whichsvmoutput回車，如果可以正確顯示路徑,就證明添加成功了，例如C:\Program Files\MATLAB71\toolbox\svm\svcoutput. m0二、步驟O)利用MATLAB7. 8中SVM工具箱和歷史潮汐數(shù)據(jù)構(gòu)建潮汐預(yù)測(cè)網(wǎng)絡(luò)模型， 具體方法為①根據(jù)潮汐記錄的時(shí)間(年、月、日、時(shí)、分、秒)，可計(jì)算D儒略世紀(jì)臉(廠2_)=叫-0.全文摘要
本發(fā)明涉及一種潮汐的預(yù)測(cè)方法，由于潮汐受到多種因素的影響，周期因素如引潮力，非周期因素如風(fēng)力，氣壓，海岸特性，降水，月球軌道的傾角等等。傳統(tǒng)的調(diào)和分析法的預(yù)報(bào)精度除了受分潮數(shù)量的影響，還無(wú)法分析非周期因素的影響，近年來(lái)發(fā)展起來(lái)的神經(jīng)網(wǎng)絡(luò)法，雖然一定程度上彌補(bǔ)了調(diào)和分析無(wú)法預(yù)報(bào)非周期因素的缺憾，但學(xué)習(xí)訓(xùn)練的樣本要求數(shù)據(jù)量大，涉及面廣，能覆蓋各種可能出現(xiàn)的情況，而具有非周期因素的臺(tái)站歷史數(shù)據(jù)一般卻很少。本發(fā)明提出的一種預(yù)測(cè)模型，不僅可以將風(fēng)向，降雨，風(fēng)暴增水，海岸特性等非周期影響潮汐的因素融合到模型中，而且小樣本數(shù)據(jù)也可以達(dá)到較精確的結(jié)果。建立一個(gè)基于支持向量機(jī)(SVM)預(yù)測(cè)模型，首先在MATLAB 7.8中導(dǎo)入一個(gè)SVM工具箱，然后利用svmtrain函數(shù)對(duì)訓(xùn)練樣本數(shù)據(jù)進(jìn)行訓(xùn)練，再用測(cè)試樣本svmpredict函數(shù)對(duì)形成的模型進(jìn)行測(cè)試，經(jīng)過(guò)訓(xùn)練和測(cè)試后的數(shù)據(jù)才能對(duì)同一驗(yàn)潮站的潮汐進(jìn)行預(yù)測(cè)。
文檔編號(hào)G06F19/00GK102214262SQ201010139189
公開日2011年10月12日 申請(qǐng)日期2010年4月2日 優(yōu)先權(quán)日2010年4月2日
發(fā)明者何世鈞, 周文君, 周汝雁, 鄒國(guó)良, 黃冬梅 申請(qǐng)人:上海海洋大學(xué)